基于改进型神经网络的双目摄像机标定

摄像机标定是机器视觉中最重要的环节之一,传统标定方法运算量大、计算复杂,非常繁琐。为解决标定存在的若干问题,提出基于改进神经网络的双目视觉摄像机标定方法。通过对双目摄像机有效模型分析,建立空间点图像坐标与世界坐标非线性映射关系,同时引入自适应学习算法,实现隐层神经元的自适应选取,并且在创建网络模型前对样本数据进行归一化处理,提前终止策略,使网络泛化能力得到极大改善。通过与经典标定方法进行比较,表明基于改进型神经网络标定方法能获得较好的双目标定精度。     

一种基于OpenCV的摄像机标定方法

针对双目立体视觉系统研制过程中的摄像机标定步骤,分析了计算机视觉函数库OpenCV中的摄像机模型,其中的非线性畸变考虑到了切向畸变和径向畸变,采用Bouguet角点提取算法,实现了基于OpenCV的摄像机标定.该算法具有很高的标定精度和计算效率、良好的跨平台移植性,可以满足双目立体视觉系统的需要.     

基于MATLAB与OpenCV相结合的双目立体视觉测距系统

双目立体视觉测距技术是当前机器视觉领域中的一个主要研究内容.本文设计了基于MATLABatlab与OpenCV相结合的双目立体视觉测距系统,利用MATLAB进行摄像机标定后将结果导入到OpenCV进行后续的图像处理与立体匹配.摄像机标定通过MATLAB标定工具箱来完成,较于人工标定和OpenCV标定具有更好的鲁棒性和较高的精确性.立体匹配采用区域匹配中相对快速实时的SAD匹配,能够更好的被应用于工程实际.     

基于双目立体视觉系统的测量研究

为了实现摄像机与目标物体之间距离的信息,由双目测量原理,采取结合OpenCV与Matlab的方式,设计出一套关于双目测距的立体视觉系统;系统首先对双目摄像机的内外参数进行标定,从黑白格组成的标定板中获得角点信息,使用亚像素角点检测法对角点坐标信息进行更精确检测,在黑白格组成的标定板分别距离双目摄像机300、400、500、600、700mm处获取不同位置的标定图像,经过张正友标定法最终可以得到双目摄像机所需内外参数;其次通过BM(Block Matching)立体匹配算法在VS2017坏境与opencv3.4.7库配合下完成了摄像机的立体校正、立体匹配进而得到视差图;最后在实验中使用了双目摄像头,并编写了代码通过鼠标点击所得到的视差图获取对应的世界坐标来实现物距的测量;实验结果表明:被测物距离摄像头光心500~700mm这一范围时,实测距离和实际距离相对误差百分比在0.171% ~0.192%之间,且实测距离在2 950mm内实验误差小于5%满足实验精度要求。     

双目立体视觉系统的摄像机标定技术

摄像机标定是立体视觉的第一阶段,也是极其重要的阶段。本文用张正友平面标定方法对双目立体视觉系统进行标定,获取了其结构参数。实验表明,标定结果有较高精度。     

基于双目视觉的原木材积自动检测系统

根据原木材积检测的特点,针对传统人工检尺存在的主要问题,基于双目视觉理论,设计了一种由CCD摄像机、单片机和上位机图像处理软件组成的自动化测量系统.选用HYC-600摄像机组建双目视觉前端,并给出了单片机信号采集处理板、光电编码器和光电开关等关键技术的设计方法,完成了双目标定、Bouquet校正、三维重构和各功能模块的软件开发.实验结果表明:该检测系统能有效克服人工检尺的缺点,成本低、精度高、可靠性强、安装使用方便.     

基于特征匹配算法的双目视觉测距

距离测量作为障碍物检测以及路径规划的前提和基础是机器人研究领域的一个重要分支。在众多测距方法中,由于双目立体视觉具有信息丰富、探测距离广等优点被广泛应用。本文将改进的SIFT特征匹配算法应用到双目视觉测距与标定系统中。首先建立双目视觉测距模型,测量值由空间物点在左右摄像机下的像素坐标值决定;其次根据该模型的特点提出了基于平行光轴的双目立体视觉标定方法;最后利用改进的SIFT特征匹配算法,提取匹配点的像素坐标完成视觉测距。实验结果表明,根据测量数据对障碍物进行三维重建,相对距离与真实场景基本吻合,能够有效地指导机器人进行避障。     

基于BP神经网络自学习的双目视觉系统的研发

在摄像机标定的过程中,深度信息的丢失,摄像机镜头的畸变以及图像处理时误差等因素都影响标定的精度．本论文采用BP神经网络的自学习的性能,开发出一套双目视觉系统．以匹配点在左、右图像的坐标为网络的四路输入,通过网络得到三路输出,性能指标为该对应点在世界坐标系的坐标和网络输出的差值的平方和,根据梯度下降法来调整各神经元之间的连接权值,求得网络达到给定的误差时的各节点问权值．这样,双目视觉系统两个摄像机的投影矩阵可以用神经网络的权值与激发函数来代替,完成系统的标定．最后对系统进行精度分析．     

大型齿轮工件焊接的双目视觉测量标定

标定技术一直是双目视觉测量的难点,针对大型齿轮焊接的测量,分析了双目视觉测量标定的数学模型,得出双目视觉标定中的内参数和外参数.阐述了大型齿轮工件在焊接中双目视觉标定的图像预处理、特征点提取以及双目视觉测量的标定方法,并通过实例验证了双目视觉测量标定程序的正确性.     

基于共面圆的双目立体视觉分步标定法

计算机视觉中,在对景物进行定量分析或对物体进行精确定位时,都需要进行摄像机标定,即准确确定摄像机的内外参数.为了快速、有效地进行摄像机的标定,针对常用的带有一阶径向畸变的小孔摄像机模型,提出了一种简单有效的分步标定方法.先用预标定法得到左右摄像机主点坐标参数,然后再用TSAI两步法获得左右摄像机的内外参数,最后以左摄像机光心为世界坐标系原点,通过坐标转换关系,进而得到双目视觉的各种标定参数.该方法实验要求低,不需要移动摄像机.通过实验,验证了该方法能够准确、有效地求出各标定参数.     

基于WNN的双目摄像机标定方法

针对传统摄像机标定方法需要建立复杂的数学模型,且计算量大、实时性不好的问题,引入了人工神经网络来有效处理非线性映射问题,准确地建立起立体视觉中三维空间特征点与它在图像平面上像点之间的非线性关系;但现有的神经网络标定法仍存在实时性差、标定精度不够、泛化能力差的缺点,于是该文提出了一种基于小波神经网络（waveletneuralnetwork,WNN）的方法,同时用粒子群优化算法对学习算法进行改进,并对小波网络与BP网络的标定结果进行比较．实验结果表明,基于小波神经网络的双目视觉标定方法能够达到较高的实时性、标定精度和泛化能力的要求．     

汽车涂胶机双目视系统定位原理

通过对计算机视觉中运用双目立体成像来实现空间目标准确定位的可行性进行了研究,对摄像机进行了标定,通过设计的点作为特征,从而方便地获取了特征点的质心特征量;通过对物体进行秩序约束方便地实现了对特征点的对应,最终成功地提取了目标的空间坐标。     

基于RBF神经网络的双目立体视觉系统的研发

在摄像机标定的过程中,由于深度信息的丢失,摄像机镜头的畸变以及图像处理时的误差等因素影响,最终影响系统标定的准确度.本论文采用RBF神经网络的训练方法,开发出一套双目视觉系统,以匹配点在左右图像的坐标为网络的四路输入,通过网络得到三路输出,性能指标为网络的三路输出和该对应点在世界坐标系坐标差值的均方值;并根据梯度下降法来调整隐含神经元与输出神经元之间的连接权值,节点基宽参数与中心矢量,直到性能指标达到预定值,使其和激发函数共同组成具有投影矩阵功能的系统,完成双目视觉系统的标定.最后对系统进行精度分析.     

双目立体视觉摄像机标定及精度分析

以VC++为开发平台,采用开源的OpenCV函数库实现张氏标定算法;以标定板上的角点为测量对象,进行双目立体视觉系统的三维数据测量.采用标定获得的摄像机参数对模板图像进行校正,使用Harris算子进行角点提取,并对各行各列角点进行最小二乘直线拟合,以其交点为最终的角点位置,最后进行角点匹配与反求.测量结果的精度分析表明...     

ICP算法在双目结构光系统点云匹配中的应用

双目结构光系统在测量物体时有更好的效果,测量物体视野是单目测量系统的两倍。该文根据针孔成像理论给出了双目结构光重构的数学表达式,并通过Zhang氏标定法给出了标定结果。在双目系统中,投影仪和摄像机的标定误差、仪器设备的系统误差,都会导致得到的两组三维点云数据不能很好地重合。因此,该文提出将标定获得的两个摄像机关系矩阵做为点云匹配的初值,使用改进的最近迭代点(iterative closest points,ICP)算法,加速点云匹配时间,并对经过初值变换的点云数据进行再次匹配,进一步减小系统在标定过程中的误差,从而达到对标定误差进行补偿的目的。实验结果表明:改进的ICP算法使标定后的点云能够很好地重合,并对标定值进行了修正,点云匹配的时间缩短为0.3s。     

基于双目立体视觉的三维重建方法

基于双目立体视觉视差原理,结合halcon视觉开发库标定摄像机的内外参数,利用标定结果校正目标图像;引入多重网格算法以及像素灰度、梯度、平滑度相结合的相似度判断准则对校正图像进行立体匹配,获得连续稠密的视差图;根据深度信息恢复原理获取三维点云,并采用移动最小二乘法对三维点云进行平滑滤波;最后运用基于贪婪算法的三角剖分实现物体可视表面三维重建,并对重建表面进行形态学处理填补黑洞.实验结果表明,物体重建表面光滑连续,视觉效果令人满意.     

基于PSO-ELM的双目视觉摄像机标定

针对极限学习机( extreme learning machine,ELM)在隐层节点数较少时标定精度较低的问题,利用粒子群优化算法( particle swarm optimization,PSO)与极限学习机相结合的方法对双目视觉摄像机进行标定。在标定过程中,ELM直接描述图像信息与三维信息之间的非线性关系,然后利用PSO优化ELM的输入权值与隐层阈值。实验结果表明,与ELM相比较,基于粒子群极限学习机( PSO-ELM)的双目视觉摄像机标定方法能仅用较少隐层节点数获得较高精度。     

基于CVUT的双目视觉图像三维信息构建

在分析Intel开源计算机视觉库OpenCV及CVUT特点的基础上,结合畸变参数的影响,研究了摄像机模型和坐标转换关系,以及双目图像三维重构过程,提出一种基于CVUT的摄像机标定方法和双目图像三维重构方法.实验表明,该方法与传统的OpenCV标定方法以及Matlab的标定方法相比,标定周期短、精度较高,可以较好地构建二维图像的三维信息,程序执行稳定且鲁棒性较强,可广泛用于立体视觉等领域.     

基于OpenCV的挖掘机器人摄像机参数标定

为了建立挖掘机器人视觉系统摄像机测量模型,提高视觉测量精度,分析了挖掘机器人摄像机视觉系统内、外参数成像模型及摄像机非线性畸变参数,确定了适合挖掘机器人视觉系统的标定参数。通过采集自制的棋盘标定模板不同方向的七幅图像,基于OpenCV技术实现了对模板角点的提取。通过七幅图像进行标定实验,实验结果获得了摄像机模型的线性内部参数矩阵,标定出了摄像机非线性模型的径向畸变系数,摄像机外部旋转矩阵及平移向量,并给出了标定参数误差。研究结论表明采用角点提取方法,标定误差可达亚像素级,能够满足挖掘机器人视觉系统的标定及视觉测量精度要求。     

基于双目立体视觉的排爆机器人自动目标抓取

目前各种多关节、多自由度的排爆机器人在实战中都存在操作复杂、速度慢的问题.为此,基于双目立体视觉设计并实现了一个排爆机器人的目标物自动抓取系统.该系统能根据目标物在两摄像机获取的图像坐标计算其三维坐标,从而对机械臂进行轨迹规划和控制,完成目标物自动抓取.首先,建立了一个完整的双目立体视觉系统数学模型,然后,用张氏平面法标定两摄像机的内参数,再采用最小二乘法进行立体标定,得到双目立体视觉系统的外参数,从而根据目标物在左右摄像机成像得到的图像坐标计算其三维坐标.实验表明该系统能在满足作业精度要求的前提下,大大提高排爆作业的易操作性.